„Google“ pristato savo įdomią technologiją, kad pagerintų mažos raiškos nuotraukas

RAISR

Mašininis mokymasis yra kita tendencija kuriame šiuo metu esame, ir manome, kad galime pasinaudoti ja, norėdami gauti geresnių rekomendacijų klausydamiesi tų „Google Play“ muzikos grojaraščių. Vakar komentavome didžiojo G žaidimą Su nauju naujinimu ir mašininiu mokymusi, kuris sužinos daugiau apie jus, kai daugiau naudojatės programa.

Dabar jūs norite naudoti tą variklį toms nuotraukoms, kurias riboja įrenginio skiriamoji geba arba sumažinta vidinė įrenginio atmintis. „Google“ nenori praleisti progos, kad vis dažniau reikalingos didesnės raiškos nuotraukos, nes jų reikalauja ekranai, pavyzdžiui, išmanieji televizoriai ar telefonai. Štai kodėl taip yra pristatė RAISR vadinamą techniką.

"RAISR: greitas ir tikslus super raiškos vaizdas"

Tai technika, į kurią įtraukiamas mašininis mokymasis gaminti aukštos kokybės žemos skiriamosios gebos vaizdų versijas. RAISR suteikia rezultatus, kurie yra palyginami ar geresni už galimus super skiriamosios gebos metodus, ir netgi pagerina našumo laiką nuo 10 iki 100 kartų. Šis proceso spartumas leidžia juos realiuoju laiku pasiekti įrenginyje. Net vėliau ši technika neleis atkurti dantytų ar slapyvardžių artefaktų, esančių žemos raiškos vaizduose.

Kelerius metus buvo a technika, vadinama imtimi, kuris sukuria didesnį vaizdą su didesniu taškų skaičiumi ir geresnės kokybės vaizdą iš mažos skiriamosios gebos. Technika, naudojanti linijinius metodus, kurie užpildo naujo taško reikšmes, naudodami jį supančių reikšmių derinius. Šis metodas yra greitas, nes tai yra tiesiniai filtrai. Tai, kas daro juos greitus, daro juos mažiau veiksmingus pateikiant ryškias detales aukštesnės skiriamosios gebos rezultatais. Žemiau pateiktame paveikslėlyje tai puikiai parodyta.

Atrinktas

Kaip veikia RAISR

RAISR naudoja mašininis mokymasis su pora vaizdų, žemos kokybės ir aukštos kokybės, norint rasti filtrus, kurie, pasirinktinai pritaikius kiekvieną mažesnės raiškos vaizdo pikselį, atkurtų detales, kurios būtų palyginamos su originalo kokybe. RAISR galima „treniruoti dviem būdais“. Pirmasis yra tiesioginis metodas, kai filtrai mokomi tiesiai iš mažos ir didelės raiškos vaizdų poros. Kitas metodas perduoda filtrą, panašų į „upsampler“ metodą, mažos raiškos vaizdui ir tada „išmoksta“ duoto leidimo ir didelės raiškos vaizdo filtrus.

RAISR

Kad ir koks būtų metodas, RAISR filtruoja jie yra „apmokyti“ pagal „smailių“, esančių mažuose vaizdų lopinėliuose, savybes, tokias kaip spalvos / ryškumo gradientai, tekstūruoti ar plokšti regionai ir dar daugiau, kuriems būdinga kryptis, galia ir darna.

RAISR

Trumpai tariant, realiuoju laiku RAISR parenka ir taiko tinkamiausius filtrus iš tų, kurie išmokti iš kiekvieno kaimyninio taško žemos raiškos vaizde, sąrašo. Kai šie filtrai taikomi blogiausios kokybės vaizdui, atkuria detales, kurių kokybė yra panaši į originalą didelės raiškos. Tai yra tai, kas pašalina dantytus artefaktus, pvz., Moire'o modelius ir dar daugiau.

Iki šiol mašininio mokymosi naudojimas, ilgus dešimtmečius tobulinant vaizdavimo technologijas, leido paveikti vaizdo apdorojimą, kuris siejamas su daugybe galimų privalumų. Vienas iš „Google“ pateiktų pavyzdžių būtų patobulinti telefono „pinch to zoom“ arba „pinch“ gestą, kad būtų galima jį užfiksuoti, išsaugoti ar išsaugoti. perduoti vaizdus mažesne raiška kad pagaliau pasiektų tikslą tinkamai ir kokybiškai. Tai reikštų didelį duomenų perkėlime naudojamų duomenų ir saugojimo planų taupymą.


Būkite pirmas, kuris pakomentuos

Palikite komentarą

Jūsų elektroninio pašto adresas nebus skelbiamas. Privalomi laukai yra pažymėti *

*

*

  1. Atsakingas už duomenis: „Actualidad“ tinklaraštis
  2. Duomenų paskirtis: kontroliuoti šlamštą, komentarų valdymą.
  3. Įteisinimas: jūsų sutikimas
  4. Duomenų perdavimas: Duomenys nebus perduoti trečiosioms šalims, išskyrus teisinius įsipareigojimus.
  5. Duomenų saugojimas: „Occentus Networks“ (ES) talpinama duomenų bazė
  6. Teisės: bet kuriuo metu galite apriboti, atkurti ir ištrinti savo informaciją.